Đại học Bắc Kinh và Didi đề xuất một khung đo lường mới, đạt được tính toán gia tăng hiệu quả cho độ entropi cấu trúc động.

Trong lĩnh vực trí tuệ nhân tạo, việc đo lường thông tin cấu trúc của đồ thị động đã trở thành một vấn đề cấp thiết. Bài viết này giới thiệu về một bài báo mới được xuất bản trên tạp chí Artificial Intelligence năm 2024 bởi nhóm nghiên cứu của giáo sư Peng Hao từ Đại học Bắc Kinh. Bài báo đề cập đến một phương pháp mới để đo lường cấu trúc entropy một cách tăng dần cho các đồ thị động, gọi là Incre-2dSE.

### Vấn đề hiện tại và giải pháp

Hiện nay, các phương pháp đo lường cấu trúc entropy không hỗ trợ việc cập nhật động và đo lường tăng dần cấu trúc entropy. Để giải quyết vấn đề này, nhóm nghiên cứu đã đề xuất một khung đo lường tăng dần – Incre-2dSE, có khả năng điều chỉnh phân chia cộng đồng một cách động, hỗ trợ việc đo lường cấu trúc entropy hai chiều sau khi cập nhật.

### Phương pháp và thí nghiệm

Incre-2dSE sử dụng hai chiến lược điều chỉnh động cây mã hóa hai chiều, bao gồm chiến lược điều chỉnh đơn giản và chiến lược dịch chuyển nút. Chiến lược điều chỉnh đơn giản giữ nguyên phân chia cộng đồng hiện tại, trong khi chiến lược dịch chuyển nút dựa trên nguyên tắc tối thiểu hóa entropy cấu trúc, di chuyển các nút giữa các cộng đồng.

Để giảm thời gian tính toán, Incre-2dSE sử dụng hai đại lượng: biến toàn cục không đổi và biến cục bộ thay đổi. Biến toàn cục không đổi được sử dụng để ước lượng entropy cấu trúc sau khi cập nhật, trong khi biến cục bộ thay đổi được xem như sai số ước lượng.

Nhóm nghiên cứu cũng mở rộng phương pháp này sang đồ thị không hướng có trọng số và thảo luận chi tiết về việc tính toán entropy cấu trúc một chiều cho đồ thị có hướng có trọng số.

### Kết quả thí nghiệm

Nhóm nghiên cứu đã tiến hành nhiều thí nghiệm trên dữ liệu nhân tạo và thực tế. Kết quả cho thấy Incre-2dSE hiệu quả hơn trong việc theo dõi sự thay đổi của phân chia cộng đồng, giảm thời gian tính toán và có độ giải thích cao.

### Kết luận

Bài viết này đã giới thiệu về một phương pháp mới để đo lường cấu trúc entropy một cách tăng dần cho các đồ thị động. Phương pháp này không chỉ giảm thời gian tính toán mà còn cải thiện khả năng giải thích của kết quả. Trong tương lai, nhóm nghiên cứu sẽ tiếp tục phát triển các chiến lược điều chỉnh động để áp dụng vào phân chia cộng đồng bậc cao và đo lường cấu trúc entropy đa chiều.

### Từ khóa
– Trí tuệ nhân tạo
– Đồ thị động
– Cấu trúc entropy
– Phân chia cộng đồng
– Đo lường tăng dần